[发明专利]基于多任务卷积神经网络的图像模糊与噪声评测方法

摘要

本发明公开了基于多任务卷积神经网络的图像模糊与噪声评测方法，所述方法包括：步骤1：收集失真和对应高质量的图片，对收集的图片进行标定包括：模糊类型标定，模糊程度标定，噪声水平标定，标定后的图片组成数据集；步骤2：融合多个卷积层得到全连接层，全连接层中包括三个特征层：模糊度估计特征层、模糊类型判定特征层、噪声水平估计特征层；步骤3：基于步骤2获得的全连接层对步骤1获得的数据集进行训练，获得图片的模糊类型判定信息、模糊度估计信息、噪声水平估计信息，实现了通过网络一次性得到图像的噪声水平、模糊度估计、模糊类型，简单且快速，方便集成到基于监控视频下的人脸识别系统中的技术效果。

主权项

基于多任务卷积神经网络的图像模糊与噪声评测方法，其特征在于，所述方法包括：步骤1：收集失真和对应高质的图片，对收集的图片进行人脸检测和对齐处理，然后再进行标定包括：模糊类型标定，模糊程度标定，噪声水平标定，标定后的图片组成数据集；步骤2：用步骤1生成的数据集样本训练多任务卷积神经网络，得到用于图像模糊与噪声评测的网络模型；该网络模型共有三个任务输出，分别对应：模糊类型判定、模糊度估计、噪声水平估算；步骤3：对一张已经检测和对齐的人脸图片，输入到步骤2得到的网络模型中，进行图像模糊类型判定、模糊度估计、噪声水平估计得到：模糊度估计值a，为最终模糊度评测值，得到运动模糊与失焦模糊概率pi，如果a小于阈值C，则判定结果为图像清晰，否则最终模糊类别判定结果为概率大的类别；得到噪声水平估计值b，为最终噪声水平估计值。